BAB I PENDAHULUAN

1.1. Latar Belakang
Saat pengambilan suatu citra oleh satelit, banyak sekali pengaruh pengaruh alam yang menyebabkan hasil pencitraan sedikit terganggu seperti hamburan atmosfer. Hamburan ini disebabkan oleh adanya partikel -partikel di atmosfer yang memberikan efek hamburan yang berpengaruh pada hasil citra. Pengaruh hamburan ini dapat menyebabkan nilai citra menjadi besar (akibat hamburan) atau lebih kecil (akibat proses penyerapan) . Untuk mengkoreksi citra yang terpengaruh hamburan atm osfer, maka digunakanlah koreksi radiometri. Metode koreksi radiometri yang digunakan pada praktikum kali ini adal ah metode penyesuaian histogram dan penyesuaian regresi.

1.2. Tujuan Praktikum
Tujuan dari praktikum ini adalah : Mahasiswa mampu melakukan koreksi radiometri citra dengan metode penyesuaian histogram dan penyesuaian regresi menggunakan perangkat lunak ER Mapper 7.0.

BAB II TINJAUAN PUSTAKA
2.1. Koreksi Radiometri
Efek atmosfer menyebabkan nilai pant ulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan atau le bih kecil karena proses serapan (Projo Danoedoro, 1996) . Untuk mengetahui nilai sebenarnya dari tampil an citra tersebut, maka dilakukanlah suatu pengkoreksian yang biasa disebut koreksi radiometri. Koreksi radiometri (Satelite Image Callibration) adalah koreksi yang bertujuan untuk memperbaiki nilai pixel agar sesuai dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan utama. Atmosfer dapat menyerap, memantulkan, atau menstransmisikan gelombang elektromagnetik yang menyebabkan cacat radiometrik pada citra, yaitu nilai pixel jauh lebih tinggi atau jauh lebih rendah dari pancaran yang sebenarnya. Koreksi radiometri ini mengkonversi data sehingga dapat digu nakan secara akurat oleh sensor (Sumaryono, 1999 ). Koreksi radiometrik dilakukan untuk memperbaiki kesala han atau distorsi yang diakibatkan oleh ketidak sempurnaan operasi dan sensor, adanya atenuasi gelombang elektromagnetik oleh atmosfer, variasi sudut pengambilan data, variasi sudut eliminasi, sudut pantul dan lain -lain yang dapat terjadi selama pengambilan, pengiriman serta perekaman data. Spesifikasi kesalahan

radiometric adalah :  Kesalahan sapuan akibat pemakaian Multi Detektor dalam mengindera garis citra.  Memperkecil kesalahan pengamatan detektor yang berubah sesuai dengan perubahan waktu .  Kesalahan berbentuk nilai digital yang mempunyai hubungan linier dengan tingkat radiasi dan panjang gelombang elektromagnetik .  Koreksi dilakukan dengan kalibrasi cahaya yang keluar dari

detektor dengan mengarahkan scanner pada filter yang disinari secara elektronik untuk setiap sapuan. 

Kesalahan yang dapat dikoreksi otomatis adalah kesalahan sistematik dan tetap, yang tetap diperkirakan sebelumnya . 

Kesalahan garis scan dapat dikoreksi dengan penyesuaian histogram tiap detektor pada daerah-daerah homogeny misalnya diatas badan air, apabila ada penyimpangan dapat diperbaiki . 

Kesalahan bias atau pengaturan kembali detektor apabila mean dan

median detektor berbeda.
Metode-metode yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pengeseran histogram, metode regresi , dan metode kalibrasi bayangan (Sutanto, 1 986).

2.2. Penyesuaian Histogram
Metode penyesuaian histogram ini merupakan metode yang mudah untuk dilakukan. Metode ini hanya melihat histogram tiap saluran secara independen . Dari histogram dapat diketahui nilai pixel terendah saluran tersebut. Penyesuaian histogram ( Histogram Adjusment) meliputi evaluasi histogram pada setiap band dari data penginderaan jauh. Biasanya data pada panjang gelombang tampak (TM saluran 1 -3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan atmosfer. Seba liknya penyerapan atau absorbsi pada atmosferakan mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band ini nilai minimumnya mendekati nol. Algoritma yang diperg unakan untuk koreksi radiometrik mengikuti formula sebagai berikut :

Output BV
Dimana :
y Input

: Input pixel pada baris I dan kolom j dari band k

y Output : Nilai pixel minimal dan nilai nol pada saluran k y Bias y BV

: Selisih nilai minimal dan nilai nolpada saluran k : Nilai kecerahan atau Brightness Value

Pada prinsipnya algoritma ini mengurangi nilai bias dengan nilai bias nilai kecerahan pada band tertentu.

2.3. Penyesuaian Regresi
Penyesuaian regresi (Regression Adjusment) diterapkan dengan memplot nilai-nilai pixel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk obyek tertentu. Kemudian tiap saluran dipasangkan dengan saluran rujukan tersebut untuk membent uk diagram pancar nilai pixel yang diamati. Cara ini banyak mengalami gangguan atmosfer yang terjadi hampir pada semua spektra tampak dan saluran (Projo Danoedoro, 1996) . Penyesuaian regresi pada prinsipnya menghendaki analisis untuk

mengidentifikasi objek bayangan atau air jernih pada citra yang akan dikoreksi. Nilai kecerahan pada objek dari setiap saluran di plotkan dalam sumbu koordinat secara berlawanan arah antara saluran tampak (seperti TM saluran 1, 2, 3) dan saluran infra merah (seperti TM 4,5,7). Pada diagram ini garis lurus dibuat menggunakan teori least.square . Perpotongannya dengan sumbu X akan menunjukkan besarnya nilai bias demikian seterusnya untuk saluran yang lain. Penyesuaian ini melewati beberapa tahap, dan hasilnya tidak selalu naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai objek yang ideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkan dengan teknik penyesuaian histogr am hasilnya tidak jauh berbeda. (Projo Danoedoro, 1996).

2.3.1.

DPC (Dark Pixel Correction)
Jika tidak ada atmosfer, bayangan pada semua permukaan bumi

akan sepenuhnya hitam baik itu darat ataupun laut, sehingga kita sulit untuk membedakannya. Oleh karena itu jika bayangan memiliki nilai diatas 0, itu menandakan bahwa hamburan dari atmosfer memiliki kontribusi untuk bayangan. DPC atau Dark Pixel Correction adalah koreksi sederhana untuk menghilangkan pengaruh atmosfer yang cenderung memperbear nilai

pixel.
Salah satu cara untuk mengkoreksi efek atmosfer adalah mengidentifikasi bayangan pixel , menemukan nilai DN (Digital Number ) dan mengubahnya menjadi 0 dan atur semua

pixel

lainnya

(http://www.scribd.com/Mineral -Exploration-Applications-level-1).

2.3.2.

EDPC (Enchanted Dark Pixel Correction )
Hasil akurat dari deteki perubahan terhadap dua atau lebih citra

waktu ditentukan oleh beberapa faktor; seperti citra yang sebanding, citra yang dapat diinterpretasikan, dan metode untuk mendapatkan perbedaan yang bermakna dari deteksi perubahan citra. Pixel ke pixel antara citra biasa ditampilkan untuk mendapatkan citra yang baik.

Dark Pixel

Correction ditampilkan untuk mengkoreksi kesalahan radiometrik dari suatu
citra, maka Enhance sebagai hasilnya lebih diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan masing ± masing band dengan minimum

digital number value ± nya, maka setiap band akan memiliki minimal digital number dari nol (http://www.scribd.com/Mineral -Exploration-Applicationslevel-1).

2.3.3.

Cut-off Scattergram
Cara lain untuk mengkoreksi ci tra dari efek atmosfer adalah

dengan menggunakan informasi cut-off yang ditentukan dari scattergram antara panjang gelombang (TM 7) yang lebih panjang dan panjang gelombang (salah satu dari TM 1-5) yang lebih pendek. Panjang gelombang yang lebih panjang berada di gelombang infrared pendek yang mempunyai nilai hamburan atmosfer minimum, di lain pihak panjang

gelombang yang lebih pendek berada di batas cahaya tampak yang berdekatan dengan batas infrared dan batas gelombang infrared pendek yang mempunyai efek lebih besar. Garis terbaik digambarkan menembus distribusi antara dua bands yang dihalangi poros panjang gelombang lebih pendek pada pendekatan hal

digital number
ini

komponen

penghambur.

Penyelesaian

semacam

menggunakan

cut-off

(http://www.scribd.com/Mineral -Exploration-Applications-level-1).

BAB III MATERI DAN METODE
3.1. Waktu dan Tempat Pelaksanaan
Hari Waktu : Selasa, 22 Maret 2011 : 13.30 ± 15.00

Tempat : Laboratorium Komputasi Kampus Ilmu Kelautan Universitas Diponegoro, Semarang

3.2. Materi
Materi yang disampaikan pada praktikum kedua mata kuliah penginderaan jarak jauh yaiut : 1. Penyesuaian histogram Untuk mengetahui nilai pixel dan mengoreksi nilai yang terpantul atau terserap aymosfer. 2. DPC (Dark Pixel Correction ) Mengkoreksi untuk menghilangkan pengaruh atmosfer yang cenderung memperbear nilai pixel. 3. EDPC (Enhanced Dark Pixel Correction ) Mengkoreksi kesalahan radiometrik dari suatu citra 4. Cut Off Mengkoreksi citra dari efek atmosfer lewat scattergram.

3.3. Metode 3.3.1 Penyesuaian Histogram
1. 2. 3. Buka aplikasi ER Mapper , lalu klik icon Edit Algorithm Klik Load Dataset, buka file citra Landsat_TM_23Apr85.ers Ganti Color Table di Surface dengan warna Green

4.

Gandakan Pseudo Layer menjadi 6, kemudian ganti namanya dengan Band 1 hingga Band 7 tanpa mengikut sertakan Band 6. Ganti band sesuai dengan namanya, Band 1 = B1, dst

5.

6.

Pada B1, klil icon Edit Transform Limits. Maka akan muncul

window Transform . Cek nilai atmospheric pada setiap band , yaitu
nilai yang berada dibawah kiri window .

7.

Pilih Band 1, klik icon Edit Formula, maka akan muncul window

Formula Editor . Pada Dialog Box dimana terdapat tulisan INPUT1,
kemudian ketik ±(nilai minimal atmospheric biasnya), lalu klik Apply changes.

8. 9.

Lakukan hal yang sama pada setiap band . Klik icon Edit Transform Limits, pada window Algorithm , klik Edit, Delete this transform . Lakukan hingga Band 7.

10. Lalu simpan dangan nama file Histogram.Nama.NIM.ers pada folder yang telah dibuat. Pada file types pilih ER Mapper Raster

Dataset (.ers). Kemudian klik OK.

11. Tutup semua windows, lalu klik Load Dataset untuk membuka baru

file yang telah dikoreksi.
12. Kemudian klik icon Edit Transform Limits dan kemudian cek nilai

atmospheric bias tiap band.

3.3.2 Dark Pixel Correction
1. Pada ER Mapper , klik icon Land Application Wizard .

2.

Akan muncul window Land Application Wizard , kemudian klik Next.

3.

Pada pilihan Process your TM imagery , pilih Atmospheric Effect

Correction , lalu klik Next.

4.

Kemudian pilih Dark Pixel Correction , lalu klik Next.

5.

Pada dialog box Specify an input TM dataset , masukan nama file

output yang akan dikoreksi berupa citra Landsat_TM_23Apr85.ers .
6. Pada dialog box Specify an output filename , masukkan nama file

output -nya dengan format nama DPC.Nama.NIM.ers, kemudian klik
Finish.

7. 8.

Kemudian muncul window Algorithm dengan 7 band lalu Cut band

DPC_TM6.
Klik icon Edit Transform Limits den cek nilai atmosferic biasnya pada window.

9.

Pada window Transform klik Edit dan pilih Delete this transform, kemudian lakukan hingga DPC_TM7.

10. Kemudian simpan dengan nama file KoreksiDPC.Nama.NIM.ers. Pada file types pilih ER Mapper Raster Dataset (.ers). Klik OK.

11. Tutup semua windows, lalu klik Load Dataset untuk membuka baru

file yang telah dikoreksi.
12. Kemudian klik icon Edit Transform Limits dan kemudian cek nilai

atmospheric bias tiap band.

3.3.3 Enchanced Dark Pixel Correction (EDPC)
1. 2. 3. Pada ER Mapper , klik icon Land Application Wizard Akan muncul window Land Application Wizard , kemudian klik Next. Pada pilihan Process your TM imagery , pilih Atmospheric Effect

Correction , lalu klik Next.
4. Kemudian pilih Enchanced Dark Pixel Correction (Chavez), lalu klik Next.

5.

Pada dialog box Specify an input TM dataset , masukan nama file

output berupa citra Landsat_TM_23Apr85.ers , Klik Next.

6.

Pilih Use TM1 as Initial Band dan masukkan nilai atmospheric biasnya. Nilai biasnya dapat dilihat pada window Transform .. Klik Next.

7.

Pada Select an option pilih sesuai dengan nilai atmospheric biasnya dan pada dialog box Specify an output filename , masukkan nama

file

output -nya

dengan

format

nama

EDPC.Nama.NIM.ers,

kemudian klik Finish.

8.

Kemudian muncul window Algorithm d engan 7 band lalu Cut band TM6.

9.

Klik icon Edit Transform Limits den cek nilai atmosferic biasnya pada window.

10. Pada window Transform klik Edit dan pilih Delete this transform, kemudian lakukan hingga Atm Adjusted 7.

11. Kemudian simpan dengan nama file KoreksiEDPC.Nama.NIM.ers. Pada file types pilih ER Mapper Raster Dataset (.ers). Klik OK

12. Tutup semua windows, lalu klik Load Dataset untuk membuka baru

file yang telah dikoreksi.
13. Kemudian klik icon Edit Transform Limits dan kemudian cek nilai

atmospheric bias tiap band.

3.3.4 Cut Off Scattergram
1. 2. 3. 4. Pada ER Mapper , klik icon Land Application Wizard Akan muncul window Land Application Wizard , kemudian klik Next. Pada pilihan Process your TM imagery , pilih Atmospheric Effect

Correction , lalu klik Next.
Kemudian pilih Cut-Off Values (Scattergram), lalu klik Next.

5.

Pada dialog box Specify an input TM dataset , masukan nama file

output yang akan dikoreksi berupa citra Landsat_TM_23Apr85.ers .
6. Pada dialog box Specify an output filename , masukkan nama file

output -nya dengan format nama Cutoff.Nama.NIM.ers, kemudian
klik Next.

7.

Maka akan tampak windows berikut ini

8. 9.

Pada window New Map Composition , klik Cancel Pada

window

Processing

TM

imagery-Atmospheric

Effect

Correction (Cut-off Values ), masukkan nilai atmospheric bias
masing-masing band yang dapat dilihat pada window scattergram dengan klik Setup. Pada window Scattergram Setup , klik X axis dan dan Y axis, kemudian pilih band yang ingin dilihat nilainya.

10. Setelah nilai bias terisi, klik Finish pada window Processing TM

imagery-Atmospheric Effect Correction (Cut-Off Values ).
11. Kemudian muncul window Algorithm d engan 7 band lalu Cut band TM6.

12. Klik icon Edit Transform Limits den cek nilai atmosferic biasnya pada window.

13. Pada window Transform klik Edit dan pilih Delete this transform, kemudian lakukan hingga Atm Adjusted7. 14. Kemudian simpan dengan nama file KoreksiCutoff.Nama.NIM.ers. Pada file types pilih ER Mapper Raster Dataset (.ers). Klik OK

15. Tutup semua windows, lalu klik Load Dataset untuk membuka baru

file yang telah dikoreksi.
16. Kemudian klik icon Edit Transform Limits dan kemudian cek nilai

atmospheric bias tiap band.

BAB IV ASI
. . Hasil . . P
S B B B B B B B B 1 B l

AN PE BAHASAN

suaian Histogram
K il i i i i il i xi

B

B

¡ ¢   ¡ ¢  

¡ ¢   ¡ ¢  

S t l B B B B B B B 1

K

i il i i i 1 1 1 1 1 1 il i xi 187

16 6

7

¥¤ £

¥¤ £

B

1

B

¥¤ £

¥¤ £

B

B

7

S B B B B B B B

l

K il i i i 1 1

i il i xi 188 196 9

7

6

¨

©¨ §

4. .

Dark Pi

l

rrecti

(DP ) 



© 

¦ 



B

B 


7 



B

B

B

1

B 

 



B

B 

 



B

B 

 



7

b) S t l B B B B B B B B 1

K

i il i i i 1 1 1 1 1 1 1 il i xi 188 9 15 53 6

5 7 

 



B

3

B 



B 



) S bel B B B B B B B B

K eksi il i 1 3 4 5 7 1 5. 8065 9.887156 14.1118316 29.1111868 30.2289312 i i

il i xi 188 188.91935 9.112844 192.8881684 224.8888132 215.7710688

%$ #

B

!

"

"!

4. .

Enchanced Dark Pi el

rrecti n (EDP )

%$ #
2

%$ #

B

5

B

7

%$ #

b) Setel B B B B B B B 1 2 3 4 5 7

K eksi il i i i 1 1 1 1 1 1 il i xi 188 196 229 203 225 216

(' &

(' &

B

5

B

(' &

(' &

B

3

B

4

7

B

1

B

10 )

10 )

B

3

B

10 )

10 )

B

5

B

10 )

10 )

2

7 4

4. .4 Cutt-Off Scattergram
) Sebel B B B B B B B 1 2 3 4 5 7 1 K eksi il i i i 1 0 0 2 0 0 il i xi 187 195 239 205 254 246

43 2

43 2

B

3

B

43 2

43 2

B

B

2

4

b) Setel B B B B B B B B 1 2 3 4 5 7

K eksi il i i i 1 1 1 1 1 1 il i xi 187 202 239 215 254 246

76 5

1

B

76 5

76 5

76 5

B

5

B

7

2

B

3

B

@9 8

@9 8

B

5

B

@9 8

@9 8

7 4

Penyesuaian Histogram
Sebelum Dikoreksi

Sesudah Dikoreksi

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

Dark Pixel Coorection
Sebelum Dikoreksi

Sesudah Dikoreksi

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

Enhanced Dark Pixel Correction
Sebelum Dikoreksi

Sesudah Dikoreksi

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

Cut-Off Scatergram Sebelum Koreksi

Sesudah Koreksi

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

4.2. Pembahasan 4.2.1 Penyesuaian Histogram
Metode ini dilakukan dengan menambahkan nilai terendah pada

window Formula Editor . Misal nilai terendah pada Band1 adalah 68
maka kita tuliskan INPUT1-68. Pengurangan angka dilakukan tanpa memperhatikan nilai positif (+) dan negatif ( -). Setelah dilakukan koreksi dengan penyesuaian histogram didapatkan nilai band yang dimulai dari 1. Penyesuaian histogram digunakan untuk evaluasi

histogram pada setiap band dari data penginderaan jauh. Data pada
panjang gelombang tampak (saluran 1 -3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan atmosfer. Sedangkan penyerapan atau

absorbsi pada atmosfer akan
5, 7.

mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang yang lebih besar seperti saluran 4, Sehingga data pada band ini nilai minimumnya mendekati nilai nol.

4.2.2 Dark Pixel Correction
Untuk membuka Dark Pixel Correction , dapat melalui Land

Application Wizard, Process TM Imagery, Atmospheric Effect Correction lalu pilih DPC. Koreksi akan dilakukan secara otomatis,
saat kita memasukkan file citra yang akan dikoreksi, yaitu

Landsat_TM_23_Apr85.ers , dan file output nya DPC.Nama.NIM.ers.
Hasil yang didapat yaitu : Band1 = 1-188 ; Band2 = 1-203 ; Band 3 = 1-239 ; Band4 = 1-215 ; Band5 = 1-253 ; Band7 = 1-246.

Dari metode ini bisa diketahui nilai pixel terendah saluran tersebut, asumsi yang melandasi metode ini adalah bahwa dalam proses pemotretan digital oleh sensor, obyek yang memberikan respon

spektral paling lemah atau tidak memberikan respon sama sekali
seharusnya bernilai nol. Apabila nilai ini ternyata > 0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran tersebut dengan

offsetnya.

4.2.3 Enhanched Dark Pixel Correction
EDPC adalah metode lain untuk mengkoreksi suatu citra. Nilai TM yang digunakan adalah TM 1 karena TM 1 dianggap sudah mewakili nilai TM lainnya dan merupakan acuan. Lalu terdapat pilihan untuk pembersihan yang dilakukan yaitu Very Clear, Clear,

Moderate, Hazy, dan Very Hazy dalam hal ini kita menggunakan
metode koreksi Clear dengan syarat TM1 >55<=75.

4.2.4 Cut-Off Scattergram
Metode ini memakai dua variasi scattergram, dengan memasukkan nilai terendah tiap band pada window Scattergram . Cahaya yang berasal dari sinar matahari memiliki panjang gelombang berbeda. Makin besar panjang gelombang, makin besar kemampuannya untuk menembus gangguan.

4.2.5 Pentingnya Koreksi Radiometri
Pada sebuah citra yang direkam oleh sensor, pasti dalam proses perekaman dan penggambaran seb uah citra terdapat kesalahan. Hal itu dapat terjadi akibat pengaruh gejala atmosferik. Gejala atmosferik atau gangguan atmosferik menyebabkan suatu citra yang terekam oleh sensor menjadi tidak jelas sehingga akan mengurangi daya interpretasi citra oleh par a pengguna. Oleh karena itu, koreksi radiometri ini perlu dilakukan untuk mengurangi atau menghilangkan efek atmosferik pada citra, sehingga citra dapat terlihat jelas dan dapat dikaji untuk memperoleh informasi yang dibutuhkan.

BAB V KESIMPULAN

1. Software ER Mapper didesain khusus dengan berbagai keunggulan untuk mempermudah pengolahan citra. 2. Koreksi radiometri adalah koreksi yang bertujuan untuk memperbaiki nilai

pixel
utama.

agar

sesuai

dengan

yang

seharusnya

yang

biasanya

mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan

3. Metode untuk melakukan koreksi radiometri adalah :
y y y y y

Penyesuaian histogram Penyesuaian regresi

Dark Pixel Correction Enhanched Dark Pixel Correction Cut-Off Scattergram

4. Setelah dilakukan koreksi maka nampak perubahan nilai band yang memiliki limit mulai dari 1. 5. Suatu citra harus dilakukan koreksi citra agar didapatkan kondisi dimana citra memiliki informasi yang akurat secara geometri dan radiometri.

DAFTAR PUSTAKA

Anonim, Mineral Exploration Applications level 1. Akses 22 Maret 18.17 WIB. Danoedoro, P. 1990. Beberapa Teknik Operasi dalam Sistem Informasi

Geografis. Puspics UGM - Bakosurtanal. Yogyakarta.
Sumaryono. 1999.

Pemanfaatan Penginderaan Jauh Untuk Pemantauan

Reboisasi Di Sub DAS Roraya -Kendari dalam Prosiding Pertemuan Ilmiah Tahun Ke-8 MAPIN (Masyarakat Penginderaan Jauh Indonesia) .
Jakarta.

Sutanto, Prof, Dr, 1986. Penginderaan Jauh Jilid 1 . Gadjah Mada University Press. Yogyakarta.